对于 360p 和 1080p，Faster R-CNN（基于冻结推理图初始 v2）的执行时间相同。这怎么可能？
Faster R-CNN (frozen inference graph inception v2 based) execution time is same for 360p and 1080p. How is this possible?
我刚刚在 Jetson TX2 上使用 Jetpack 4.2 和 tensorflow 1.14 版实现了 Faster R-CNN（基于冻结推理图初始 v2）对象检测模型。该模型的输入帧分辨率为 1080p，后来为 360p。令人惊讶的是，执行时间没有变化。这可能是什么原因？
Faster R-CNN 由 3 个主要模块组成：
基础特征网络（从输入生成特征图image/frame），
区域提议网络（generates/proposes/selects 感兴趣的区域
从锚点生成最终边界框）和
- 检测网络（RPN）（将区域分类为背景或前景
并优化边界框）。
Faster R-CNN的大部分复杂性在于RPN和检测网络，RPN具有固定的输入形状。因此，模型的执行时间不会受到显着影响。
我刚刚在 Jetson TX2 上使用 Jetpack 4.2 和 tensorflow 1.14 版实现了 Faster R-CNN（基于冻结推理图初始 v2）对象检测模型。该模型的输入帧分辨率为 1080p，后来为 360p。令人惊讶的是，执行时间没有变化。这可能是什么原因？
Faster R-CNN 由 3 个主要模块组成：
基础特征网络（从输入生成特征图image/frame），
区域提议网络（generates/proposes/selects 感兴趣的区域 从锚点生成最终边界框）和
- 检测网络（RPN）（将区域分类为背景或前景 并优化边界框）。
Faster R-CNN的大部分复杂性在于RPN和检测网络，RPN具有固定的输入形状。因此，模型的执行时间不会受到显着影响。